新的机器学习模型可以在病理学家级别对肺癌载

近年来机器学习得到了显着改善，并在医学图像分析领域显示出巨大的希望。达特茅斯诺里斯棉花癌症中心的一个研究专家团队利用机器学习能力来协助分析肿瘤模式和肺腺癌亚型的挑战性任务，肺腺癌是全球癌症相关死亡的主要原因。

目前，肺腺癌需要病理学家对肺叶切除术载玻片进行视觉检查以确定肿瘤模式和亚型。该分类在肺癌的预后和治疗确定中具有重要作用，但是这是一项困难和主观的任务。利用机器学习的最新进展，由Saeed Hassanpour博士领导的研究小组开发了一个深层神经网络，用于对组织病理学载玻片上不同类型的肺腺癌进行分类，并发现该模型与三名执业病理学家相当。

“我们的研究表明，机器学习可以在具有挑战性的图像分类任务中实现高性能，并有可能成为肺癌管理的资产，”Hassanpour说。“我们系统的临床实施将能够帮助病理学家准确分类肺癌亚型，这对于预后和治疗至关重要。”

该研究小组的结论，“用深度神经网络切除的肺腺癌载玻片上的组织学模式的病理学家级别分类”最新发表在Scientific Reports上。认识到该方法可能适用于其他组织病理学图像分析任务，Hassanpour的团队公开其代码，以促进该领域的新研究和合作。

除了在临床环境中测试深度学习模型以验证其改善肺癌分类的能力之外，该团队还计划将该方法应用于乳腺癌，食道癌和结肠直肠癌中的其他具有挑战性的组织病理学图像分析任务。“如果通过临床试验验证，我们的神经网络模型可以在临床实践中实施，以帮助病理学家，”Hassanpour说。“我们的机器学习方法也很快，可以在不到一分钟的时间内处理幻灯片，因此它可以帮助在医生检查之前对患者进行分类，并可能极大地帮助病理学家对幻灯片进行视觉检查。”

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。